The traditional estimation by the classical model in the presence of outliers can be ine cient, which leads to bad inference and poor decision making. The t-Student distribution is a good alternative in these cases, therefore, the objective of the present work was to evaluate the robustness of the Bayesian regression model with atypical values using the t-Student distribution compared to the normal in a Monte Carlo simulation. . We began by simulating a predetermined equation to continue estimating the parameters for both Bayesian regression models and nally obtaining indicators such as frequentist properties and information criteria. It was concluded that the simple Bayesian linear regression model with t-Student errors is robust in the presence of atypical values that in comparison assuming normality in the errorsLa tradicional estimación por el modelo clásico en presencia de valores atípicos puede ser ineficaz, lo que conlleva a una mala inferencia y una toma de malas decisiones. La distribución t-Student es una buena alternativas en estos casos, por ello, el objetivo del presente trabajo fue el de evaluar la robustez del modelo de regresión bayesiano con valores atípicos usando la distribución t-Student comparad con la normal en una simulación Monte Carlo. Se empezó por la simulación de una ecuación predeterminada para proseguir a estimar los parámetros por ambos modelos de regresión bayesiano y terminar obteniendo indicadores como propiedades frecuentistas y criterio de información. Se concluyó que el modelo de regresión lineal bayesiano simple con errores t-Student es robusto en presencia de valores atípicos que en comparación asumiendo normalidad en los erroresTesis